در این درس می‌خواهیم با هر دو جنبه موضوع دست و پنجه نرم کنیم. از یک طرف تحلیل رگرسیون را در دل مسائل واقعی با تمامی پیچیدگی‌ها و ظرایف آن به کار ‌می‌گیریم و از طرف دیگر در لایه‌ای عمیق‌تر درباره پیامدهای وابستگی گسترده به آن در ابعاد گوناگون جامعه بیاندیشیم.

درس «رگرسیون و تحلیل داده» در چهاربخش به صورت فعالیت‌محور ارائه می‌شود. در بخش نخست R و Python و همینطور RMarkdown و Jupyter Notebook به عنوان ابزارهای مورد نیاز درس به اختصار معرفی و مرور می‌شود و برای دست‌گرمی در یک مینی‌پروژه تحلیل رگرسیون مورد استفاده قرار خواهند گرفت.

در جلسات بعد داده‌هایی از حوزه‌های گوناگون مثل کسب‌وکار، انرژی، محیط زیست، حمل و نقل و … معرفی می‌شود تا در کلاس به صورت جمعی برای تحلیل آن‌ها ایده‌پردازی کنیم و به سوالاتی جذاب، مفید و البته قابل حل برسیم. پس از گفتگو و انجام برخی تحلیل‌های اولیه روی داده‌ها دانشجوها در گروه‌های سه یا چهار نفره طرحی با چند پرسش مشخص برای تحلیل داده‌ها تهیه می‌کنند و طرح‌های خود را در زمان‌بندی از پیش‌تعیین شده تحویل می‌دهند تا پس از تایید طرح، به عنوان پروژه کلاسی روی انجام وقت بگذارند و در نهایت نتایج آن را در کلاس ارائه کنند و به پرسش‌های دیگر اعضای کلاس پاسخ دهند.  

این فرایند سه بار در طول ترم انجام خواهد شد و دانشجویان کلاس تا پایان ترم سه پروژه تحلیل داده را به صورت گروهی انجام می‌دهند و تحلیل رگرسیون را در آن‌ها به کار می‌گیرند.

علاوه بر این، مجموعه‌ای از موضوعات درباره پیامدهای استفاده گسترده از مدل‌های رگرسیون در طول ترم در کلاس مورد بحث و گفتگو قرار می‌گیرد که لازم است دانشجویان برای مشارکت فعال در موضوعات مقالات معرفی شده قبل از هر جلسه مطالعه کنند و با آمادگی در کلاس شرکت کنند. در پایان ترم دانشجویان آموخته‌های خود در این بخش‌ را پس تایید موضوع در کلاس، در قالب یک مقاله تحویل خواهند داد.

در برخی از جلسات نیز سخنرانان میهمان برای ارائه تجربیات خود در پروژه‌های تحلیل داده و چالش‌های تحلیل رگرسیون در دنیای واقعی در کلاس حاضر خواهند شد.